阿里云-计算平台事业部 二面面经

base杭州-2024届暑期实习-Java后端开发

05/17 二面 电话面试

时长:1.5小时

  1. 自我介绍
  2. 了解本科专业课程
  3. 了解发表的论文

一、 计算机网络

  1. 介绍一下TCP四次挥手的流程?
  2. 你刚说是客户端主动发起断开连接请求,我想问下服务端可以主动发起断开连接的请求吗?为什么?
  3. TCP断开时有4次交互,而连接时有3次交互,多出来的一次是在做什么事情呢?
  4. 介绍下OSI七层网络模型?
  5. RPC协议工作在七层模型中的哪一层?
  6. 你了解的RPC框架有哪些?

二、 Java

  1. 说一下Java虚拟机中【堆】和【栈】的不同之处?以及它们分别存放哪些类型的数据?
  2. JVM中的【堆】是用什么数据结构来实现的?
  3. HashMap是否是线程安全的?
  4. HashMap为什么不能保证线程安全?

三、 数据库

  1. MySQL索引使用什么数据结构实现?
  2. 为什么MySQL选择B+树作为索引的数据结构?二叉树、红黑树、B树这些为什么不行?

四、 Kubernetes

  1. 介绍一下Kubernetes的整体架构?以及各个组件之间的关系?

五、 聊天

  1. 面试官介绍岗位职责。
  2. 询问对这个岗位的方向是否感兴趣?
  3. 询问最早能来实习的时间是什么时候?

六、 算法

  1. 限时30分钟手撕LRU缓存。秒了

七、 反问

  1. 如果我有幸入职,负责什么业务?

后续

5.19日收到反馈二面通过,约5.23日终面(老板+HR两个人同时面)。

#我的实习求职记录##实习##面经##阿里巴巴##暑期实习#
全部评论
阿里卡双⑨嘛😂
1 回复 分享
发布于 2023-05-28 20:52 山西
楼主oc了吗
点赞 回复 分享
发布于 2023-05-26 19:24 江苏

相关推荐

Claude Code 51 万行源码泄露,是一场低级失误引发的行业地震,更是一次免费的技术普惠。它证明:顶级 AI 编程助手≠大模型堆参数,而是架构设计 + 工具编排 + 上下文管理 + 安全机制的综合工程。从六层架构到 Multi-Agent、智能压缩,这套设计已经成为 AI Coding Agent 的事实标准。1.用户交互层:终端 UI,自研引擎不卡技术:React + 自研 Ink 渲染引擎(重写 Reconciler,80 + 文件)。核心:解决 AI 流式输出(每秒几十次更新)的卡顿问题,用双缓冲渲染实现 16ms 级流畅刷新。形态:CLI 命令行、支持彩色 / 滚动 / 实时编辑、多面板布局。2. 命令与技能层:100 + 斜杠命令,降低门槛作用:把复杂 Agent 能力包装成/commit、/diff、/tasks、/agents等Slash 命令,开发者不用记复杂语法。能力:覆盖 Git 工作流、多 Agent 管理、任务调度、外部工具接入(MCP 协议)。3. 核心引擎层(大脑):QueryEngine + 工具 + 权限三驾马车这是 Claude Code 的灵魂,4.6 万行代码的 QueryEngine 是绝对核心。QueryEngine:对话编排中枢,负责任务拆解、思维链、工具选择、循环重试、结果汇总,把自然语言转成可执行步骤。工具系统:定义 40 + 标准工具(文件、Bash、Git、搜索、子 Agent),支持动态扩展、并行调用。权限框架:细粒度工具审批(自动 / 手动确认)、危险命令黑名单(rm -rf)、沙箱降权、审计日志。4. 服务层:对接大模型与外部能力核心服务:claude.ts封装所有 Anthropic API 通信,管理请求 / 响应 / 长连接、流式输出。外部集成:MCP 协议(Model Context Protocol)接入第三方工具、Git/GitHub API、文件系统、终端命令。5. 上下文与记忆层:解决 AI “失忆”,长对话不崩Claude Code 最惊艳的设计之一 ——四层记忆 + 智能压缩,支持超长会话、项目级理解。系统提示(claude.md):项目级规则(技术栈、规范、风格)。目录状态:代码树结构、关键文件、依赖关系。对话摘要:历史压缩,保留关键信息、剔除冗余。实时上下文:工具调用最新结果、当前编辑内容。压缩机制:上下文用到 75%~92% 时自动触发,按信息密度(代码占比)优先压缩低价值内容,避免 Token 爆炸。6. 基础设施层:运行底座运行时:Bun(非 Node.js)—— 更快启动、更低内存、原生 TS 支持。状态管理:React Hooks 全局状态、文件持久化、跨会话记忆。安全沙箱:本地权限隔离、命令白名单、操作审计。三、藏在代码里的 5 大黑科技:为什么 Claude Code 比普通 AI 助手强?1. Multi-Agent 蜂群协作:一个需求,一群 AI 干活泄露代码曝光了未发布的多 Agent 系统—— 彻底告别 “单个 AI 串行干活”。主 Agent(协调器):拆解任务、分发、汇总结果。子 Agent(分工):前端、后端、测试、文档各守一职,独立上下文、并行执行。通信:共享消息总线,直接对话、无需人工中转。效果:200k Token 任务拆成 3 个 70k 并行,速度 ×3、质量更高、不丢上下文。2. 双模式推理引擎:快任务秒回,复杂任务深度啃快速路径:轻量子模型,延迟 < 50ms,处理简单查询(解释代码、查函数)。深度路径:全模型 + 多阶段推理 + 工具循环,支持7 小时 + 无中断代码重构。3. Hook 自动化:开发流程 “自动驾驶”事件驱动触发器,7 类核心 Hook(文件编辑、消息、工具 / 任务前后),改 JSON 就能配置自动化:改测试→自动跑 Lint;提交前→自动跑测试;写入文件→自动规范校验。4. 代理式搜索(Agentic Search):不上传代码库,更安全传统助手(Copilot)要把整个代码库上传云端索引,隐私风险大。Claude Code:按需调用工具,只读需要的文件、本地处理,不把全库发云端。5. 反竞争防御:偷偷塞 “假工具”源码曝光:每次 API 调用会混入几个假工具—— 专门污染偷数据训练竞品的人,属于 Anthropic 的 “商业防御黑科技”。
Claude Code泄...
点赞 评论 收藏
分享
给我面没招了,感觉自己好菜、面试很难,还是要多多练习1. 实习拷打2. 项目拷打​2.1 介绍项目​2.2 特征工程与业务理解相关,这么做的动机​2.3 模型里是怎么实现自动特征交叉的?​2.4 特征分组的技巧是什么?有没有尝试过完全不分组或随机分组?做过哪些实验,效果如何?​2.5 为什么这种架构可以提升MFU?​2.6 超长序列建模具体怎么做的?这种方案的区别和优势在哪里?信息被压缩的程度有什么不同?​2.7 假如你要引入向量索引系统,在线 serving 服务要做什么改造?应该放在什么模块里?​2.8 在线链路中,这个模块应该放在哪个环节?特征生产,快照流转的完整架构是怎样的?​2.9 样本和线上实时特征如何保持一致?​2.10 OneTrans把序列和非序列特征放在一起组织,不同行为特征是怎么组织的?​2.11 原论文有没有提到其他组织方式?​2.12 OneTrans的金字塔结构具体怎么做?为什么要这么设计?​2.13 attention机制为什么随着序列变长耗时增加很快?时间复杂度是什么关系?​2.14 如果要优化性能,你会做什么样的优化?​2.15 模型推理优化除了传统算子,还会用什么样的架构或加速手段?​2.16 多任务学习中的负迁移/跷跷板问题怎么解决?​2.17  特征重要性是怎么评估的?​2.18 除了mask特征的方式,还有什么方案可以建模特征重要性?​2.19 如果通过特征加gate的方式学习特征重要性,你会怎么设计?3. 手撕代码:两两反转链表
查看20道真题和解析
点赞 评论 收藏
分享
评论
8
48
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务